Assessing the efficacy and toxicity of leflunomide: Every little counts!
Notice bibliographique
Résumé
Dear Sir, I read with interest the original article, the editorial based on it and the letter to the Editor which subsequently followed about leflunomide published in the Journal recently. Several important issues need further examination. Firstly, in the quest to separate toxicity from the efficacy no single approach is likely to be adequate. The letter suggests “meta-analysis is a step forward”. Like RCTs the meta-analysis are not without biases which can originate from the methodology. Moreover there could be a difficulty in comparing studies from the different eras. To overcome the later difficulty we in our own two widely cited meta-analyses of therapy for psoriatic arthritis and of the toxicity of glucocorticoids in RA have used patient withdrawal as a marker for efficacy (less likely to be withdrawn if therapy is effective) and toxicity (more likely to be withdrawn if therapy is causing harm). It’s important to note that leflunomide turned out to be only second to anti-TNF inhibitors in benefit versus risk with the ratio of numbers needed to treat (NNT) to numbers needed to harm (NNH) of 0.45 and 0.25 respectively. Never the less even if the Quality of Reporting of Meta-analyses (QUOROM) guidelines are followed verbatim the meta-analyses are only as good as the studies it analyses. I therefore believe that something like the wide ranging set of EULAR initiatives for the glucocorticoids are more appropriate in the assessment of the toxicity of leflunomide. In the Indian context, before longitudinal observational databases are put forward as the panacea for the shortcomings of the current void in the published literature regarding the harm and benefit in real life situation, it would be prudent to establish that all such databases are universally recording high quality reliable data which can be collated to pave the way for its use as the evidence which may change the practice. Probably well intentioned audits are not at all
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,010 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».